reproducibilityeconomic-incrementidentificationml-asset-pricingevaluation

可复制性 vs 经济增量价值 (Reproducibility vs Economic Value)

Definition. 一项 ML/统计估计的"可复制性" (样本拆分 / 滚动窗口 / 跨样本 / 跨期) 与它是否提供经济增量价值 (Economic Increment) 是两个独立维度——可复制只是必要条件，不是充分条件。清华 2026 论文用低秩核矩阵 (方向性可复制性 +0.96 vs dense 的 −0.28) 通过所有复现性检验，却在样本外 Sharpe / Appraisal Alpha 上输给最简基准，明确论证这一区分。

复现性与增量的 4 类组合

复现性 增量价值 含义
✅ ✅ 真信号 (e.g., 外生网络策略 — 见 外生经济网络与跨资产预测)
✅ ❌ 正则化重构 (清华 2026 低秩核情形)：复现通过但只是把"自身特征"包装成复杂结构
❌ ✅ 罕见；通常意味着统计功效不足但信号确实存在
❌ ❌ 噪声

低秩核是典型"✅❌"组合：方向性样本拆分相关 +0.96，但经济上：

  • 组合层：干不过静态均值-方差切点 (p=0.13)
  • 个股层：ML 跨资产模型 Sharpe 2.29 被只用公司自身特征的静态 Ridge 模型 (Lewellen 2015, Sharpe 3.26) 完全吊打

→ 数学上漂亮不等于经济上有用。

增量评价的判定基准

层级 基准
个股层 静态特征 Ridge (Lewellen 2015) — 用最少的横截面特征做线性预测
组合层 静态均值-方差切点 (静态协方差 + 静态均值估计)
机制层 已有 alpha 因子集合 (检验正交性)

外生网络策略 ([外生经济网络与跨资产预测]]) 是 wiki 中目前唯一明确通过这三层检验的"✅✅"组合。

与其他 ML 评估指标的对比

  • 样本外 R^2 (Clark-West) 测的是预测精度，不是经济增量；样本外预测精度的提升可能完全来自对"自身特征"拟合度的提升。
  • Spanning alpha (Moreira-Muir 范式) 测的是不能被已有因子解释的部分；适合组合层增量评价。详见 波动率管理组合。
  • Appraisal Alpha (Hou-Xue-Zhang) 把交易摩擦折算成"为知情交易者支付的价格"，测增量更严格——外生网络策略的 +1.36% / +1.35% 月度即此口径。

给量化论文评审的清单

  1. 报告样本外 Sharpe，不只报告样本内 R^2
  2. 与静态基准 (mean-variance + Lewellen-style 特征 Ridge) 对比
  3. 做 spanning test：增量 alpha 是否独立于已有因子集
  4. 经济叙事须复现——同一结论在不同样本拆分下符号应稳定
  5. 若宣称方向性网络结构，给出外生 ground truth 对照

与本 wiki 其他概念的连接

引用